《表3 7种模型的测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《车前小型障碍物图像检测与分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

本实验针对2个类别分别计算其精度（precision）和召回率（recall）。图像检测分析中，阈值t设置为0.25，以保证检测精度较高。表3显示了O-YOLO下5个模型的精度、召回率、基于精度与召回率的调和平均值（F1-score）和平均精度均值（m AP）。图6显示了精度-召回率（P-R）曲线。从表3可见O-YOLO 352×352模型的m AP为最好（82.88%）。但是在精度相差不多的情况下，O-YOLO 416×416模型的精度（86.1%）、召回率（74.2%）和F1-score值（79.7%）都优于O-YOLO352×352模型。